DE算法简要介绍.ppt

《DE算法简要介绍.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、差分进化（DE）算法概要DE算法介绍基本算法算法特性主要应用差分进化算法的介绍在1996年，Storn和Price提出了微分进化算法，它是以随机多维数据为基础的优化算法通常情况下，DE算法用于优化实时参数以及实值可测的函数DE算法的一般公式为：对于目标函数可行域X为非空集合，目标为找到其中，差分进化算法的使用背景在工程学、统计学和金融学等领域，全局优化是必需解决的问题。然而，许多实际问题具有其客观应用背景，其函数为不可微的、非连续的、噪音高的、平坦的、多维的，或者是具备局部极小值、局部约束或随机性的。如果不能够求解，这样的问题将难以解决。而DE算法，对于此类问题给出了近似解的解决方案。进化

2、算法简介一般的进化算法包括以下部分：进化算法的流程也包括了遗传算法（GA），进化策略（ES）和进化规划（EP）差分进化算法迭代方式1.初始化输入进化参数：种群规模N，交叉概率Pc，交叉因子F∈（0,1），进化代数G，自变量的上下界，随机初始种群：2.评价计算3.繁殖重组对种群中的每个个体，随机生成三个互不相同的随机整数随机整数差分进化算法迭代方式产生子代4.选择如果满足终止条件就输出具有最优个体，如果不满足终止条件，就返回第二步，继续评价并重组。差分进化算法特性DE算法与PSO算法相比，计算能力更强，但是收敛速度慢，DE算法不易陷入局部最优解，比PSO算法的参数依赖性弱与传统GA算法相比，

3、DE采用实数而非二进制编码，精英保存策略更为明显，不会出现更差个体取代父代个体DE算法在大范围内是有效的，但是尚未被证明收敛在某些情况下，DE算法的收敛速度和精确度高于模拟退火算法（SA）、GA算法和随机搜索算法、进化规划算法差分进化算法主要应用数字滤波器设计智能优化路径设计商业模型最优化工业过程优化Thankyouforyourattention!